中国农业银行上海研发中心

1、简单自我介绍2、项目介绍，你认为项目最能体现你技术的一块是哪部分，详细讲讲3、在原公司的分工以及团队4、分库分表，分表的时候怎么保证业务不受影响 答：（这个不会，直接照抄的另一位老哥的面经答案）全量迁移+增量监听+双写+灰度切读。 ps：面试官应该不是很满意5、对服务做过哪些优化 答：在数据库查询时做优化，尽量避免多表查询、避免select*、in和exists的区别等。6、怎么设计表来避免你说的那些问题 没答上来7、你认为spring boot 有什么优点，解决了你哪些问题，如果没有spring boot你的问题如何解决 答：解决了依赖管理和配置管理的问题，可以让我们简化依赖和配置管理，...

周五投了 tx，部门选的任意，今天来约面电话了，结果是 wxg，还是微信支付？？纯血 C++来捞我一个纯 java 的简历？？问我接不接受转语言，我说考虑转 go 但是从来没考虑转 C++，然后还是说让我面试尝试一下？？？说面试不会考语言。面试官是个女生，口音听着像台湾那边的现在看网上 WXG 的面经已经吓哭了，不会上来就让我写四道 hard 吧，hot100 选手已投降🏳️

目前进度是codetop前五页+hot100刷完了，八股背完了一轮但是感觉没背熟，求大佬们拷打简历

1. 模型训练里你怎么在全参微调和 LoRA 之间做选择这个问题我一般不会只从显存够不够来答，而是会结合任务复杂度、分布偏移程度和上线方式来讲。全参微调的优点是表达空间更大，适合任务分布和原模型差异比较大的场景，比如领域知识很重、输出风格和推理路径都要明显改造的时候，它更容易学到深层适配；LoRA 这类 PEFT 方法更适合成本敏感、实验迭代快、模型版本频繁切换的场景，特别是多任务并行或者多租户配置时，管理上会轻很多。如果任务本质上是在原模型能力基础上做轻量偏移，比如格式约束、领域术语补强、特定工具调用习惯，LoRA 往往就够了。反过来，如果发现训练后模型虽然会答，但深层行为模式改不动，比如推...